論文の概要: CNN aided Weighted Interpolation for Channel Estimation in Vehicular Communications

• arxiv url: http://arxiv.org/abs/2104.08813v1
• Date: Sun, 18 Apr 2021 10:57:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-22 05:58:01.554333
• Title: CNN aided Weighted Interpolation for Channel Estimation in Vehicular Communications
• Title（参考訳）: チャネル推定のためのCNNによる重み付き補間
• Authors: Abdul Karim Gizzini, Marwa Chafii, Ahmad Nimr, Raed M. Shubair, Gerhard Fettweis
• Abstract要約: IEEE 802.11p規格は、車両輸送と交通効率を管理する無線技術プロトコルを定義している。 この技術の開発における大きな課題は、非常にダイナミックな車両環境での通信信頼性の確保です。 本論文では,新しい深層学習(DL)に基づく重み付き推定器を提案し,車両チャネルを正確に推定する。
• 参考スコア（独自算出の注目度）: 4.6898263272139795
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: IEEE 802.11p standard defines wireless technology protocols that enable vehicular transportation and manage traffic efficiency. A major challenge in the development of this technology is ensuring communication reliability in highly dynamic vehicular environments, where the wireless communication channels are doubly selective, thus making channel estimation and tracking a relevant problem to investigate. In this paper, a novel deep learning (DL)-based weighted interpolation estimator is proposed to accurately estimate vehicular channels especially in high mobility scenarios. The proposed estimator is based on modifying the pilot allocation of the IEEE 802.11p standard so that more transmission data rates are achieved. Extensive numerical experiments demonstrate that the developed estimator significantly outperforms the recently proposed DL-based frame-by-frame estimators in different vehicular scenarios, while substantially reducing the overall computational complexity.
• Abstract（参考訳）: IEEE 802.11p規格は、車両輸送と交通効率を管理する無線技術プロトコルを定義している。 この技術の開発における大きな課題は、無線通信チャネルが2倍選択される高ダイナミックな車両環境において、通信の信頼性を確保することである。 本稿では,新しい深層学習を用いた重み付き補間推定器を提案し,特に高移動度シナリオにおける車両のチャネルを正確に推定する。 提案した推定器は、IEEE 802.11p標準のパイロットアロケーションを変更して、より多くの送信データレートを達成する。 大規模数値実験により,最近提案されたDLベースのフレーム・バイ・フレーム推定器の車体シナリオにおける性能は大幅に向上し,全体的な計算複雑性は著しく低下した。

関連論文リスト

• Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
  我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。 周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。 我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T08:53:26Z)
• Field Testing and Detection of Camera Interference for Autonomous Driving [3.3148826359547514]
  本研究は,新しいGRUベースのIDSを用いて,自動車用イーサネット駆動環境におけるカメラ干渉攻撃(CIA)の検出について検討する。 我々のIDSはパケット長列を効果的に解析し、正常なデータ伝送と異常なデータ転送を区別する。
  論文  参考訳（メタデータ） (2024-08-08T15:24:19Z)
• Spatial-Temporal Generative AI for Traffic Flow Estimation with Sparse Data of Connected Vehicles [48.32593099620544]
  交通流推定(TFE)はインテリジェント交通システムにおいて重要である。 本稿では,スパース時間生成人工知能(GAI)フレームワークを活用した,新規で費用対効果の高いTFEフレームワークを提案する。 このフレームワーク内では、条件エンコーダは初期TFE結果の時空間相関をマイニングする。
  論文  参考訳（メタデータ） (2024-07-10T20:26:04Z)
• TrTr: A Versatile Pre-Trained Large Traffic Model based on Transformer for Capturing Trajectory Diversity in Vehicle Population [13.75828180340772]
  本研究では,トランスフォーマーアーキテクチャを交通タスクに適用し,車内における軌道の多様性を学習することを目的とした。 我々は、注意機構に合わせてデータ構造を作成し、繰り返しの時間的要求に対応する一連のノイズを導入する。 設計した事前学習モデルは,車両の空間分布を捉える上で優れた性能を示す。
  論文  参考訳（メタデータ） (2023-09-22T07:36:22Z)
• Deep Learning Based Channel Estimation in High Mobility Communications Using Bi-RNN Networks [7.310043452300738]
  本稿では,2重選択チャネルを正確に推定する最適化された双方向リカレントニューラルネットワーク (Bi-RNN) を用いたチャネル推定手法を提案する。 開発されたBi-GRU推定器は、最近提案されたCNNベースの推定器を、異なる移動シナリオで大幅に上回っている。
  論文  参考訳（メタデータ） (2023-04-29T09:20:28Z)
• Estimating Link Flows in Road Networks with Synthetic Trajectory Data Generation: Reinforcement Learning-based Approaches [7.369475193451259]
  本稿では,限られた交通量と車両軌道データを組み合わせることで,道路網内のリンクフローを推定する問題に対処する。 本稿では,車両の連接動作を逐次決定問題として定式化する,新しい生成モデルフレームワークを提案する。 発生した人口車両軌跡が観測された交通量と軌跡データと一致していることを確認するために,逆強化学習と制約強化学習に基づく2つの手法を提案する。
  論文  参考訳（メタデータ） (2022-06-26T13:14:52Z)
• COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked Vehicles [54.61668577827041]
  本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。 われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
  論文  参考訳（メタデータ） (2022-05-04T17:55:12Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Improving Proximity Estimation for Contact Tracing using a Multi-channel Approach [1.3404503606887717]
  近接推定を改善するためのマルチチャネル手法を提案する。 我々は,BLEとIEEE 802.11信号に基づく分類モデルを開発し,評価した。 IEEE 802.11のプローブ要求に基づく実装では、プライバシーの問題や制限にも遭遇しました。
  論文  参考訳（メタデータ） (2022-01-25T15:45:23Z)
• Federated Learning on the Road: Autonomous Controller Design for Connected and Autonomous Vehicles [109.71532364079711]
  CAV(コネクテッド・アンド・自律車両)の自律制御設計のための新しい統合学習(FL)フレームワークの提案 CAVの移動性、無線フェーディングチャネル、および不均衡で非独立で同一に分散されたデータを考慮に入れた新しい動的フェデレーション・プロキシ(DFP)アルゴリズムが提案されている。 最適制御器を用いてCAVがどの程度の速度で収束するかを同定するために,提案アルゴリズムに対して厳密な収束解析を行う。
  論文  参考訳（メタデータ） (2021-02-05T19:57:47Z)
• Millimeter Wave Communications with an Intelligent Reflector: Performance Optimization and Distributional Reinforcement Learning [119.97450366894718]
  ミリ波基地局のダウンリンクマルチユーザ通信を最適化するための新しいフレームワークを提案する。 チャネル状態情報(CSI)をリアルタイムで計測するために,チャネル推定手法を開発した。 最適赤外反射を学習し、ダウンリンク能力の期待を最大化するために、分布強化学習(DRL)手法を提案する。
  論文  参考訳（メタデータ） (2020-02-24T22:18:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。